北京
每个产品配一个专属 bot，而不是所有人共用一个通用 chatbot。Viking 在分享中给出的这套做法，核心是把项目上下文、repo 信息和测试规则都锁在各自的 bot 里，避免敏感数据在通用对话里串来串去，也避免项目状态被搅混。
这不是把 AI 当聊天工具用，而是把它当成一个常驻在项目里的协作者。任务协调、测试运行、结果汇总，都交给这个 bot 去盯。
多模型不是堆数量，是按活分工
Viking 的做法里，模型是切换着用的，不是认准一个从头用到尾。宏观规划交给 Opus 5.5，具体代码由 Grok 4.7 来写，文案类的工作则用 Gemini 4.0 处理。
这些模型通过 CLI 模式运行，覆盖代码编写、文档编辑和设计几类任务。每个环节挑最合适的那个，而不是让一个模型硬扛所有事。
支持这种切换的前提，是工作流本身被拆得足够清楚：哪一步要什么能力，事先想明白了，模型才有得选。
自动化测试是这套流程的反馈回路
工作流里集成了全量 E2E 测试和 smoke 测试。bot 会实时监控这些测试的结果，然后给出清晰的摘要。
开发者不用再手动翻大量日志，看一眼摘要就能判断项目当前的健康状态。这一步解决的是 AI 写代码之后最容易被忽略的问题——写完的东西到底有没有跑通。
测试结果直接回流到 bot，等于给整个流程装了一个自动检查点。代码质量不靠人肉盯，靠脚本和测试兜底。
分散式协作换来了什么
把项目拆给专属 bot，把任务拆给不同模型，再让自动化测试接住结果——这套组合下来，Viking 给出的判断是开发效率和可靠性都有明显提升。
值得留意的是它的组织方式：不是追求一个万能助手，而是让多个各有所长的角色在各自的边界里干活。对同时推进多个产品的开发者来说，这种分散式的结构，可能比一个什么都能聊的通用助手更贴近真实的工作节奏。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
